Objectifs

• Identifier les enjeux de l'IA ainsi que les nouvelles opportunités qu'elle ouvre


• Adopter une vue large et approfondie des technologies de l'IA, du machine learning / deep learning aux LLM


• Décrire les nouvelles technologies de l'IA et leur implémentation à travers des exemples pratiques (RAG, agents intelligents, MCP...)


• Reconnaître les enjeux juridiques (AI Act) et éthiques (explicabilité et interprétabilité des modèles)


• Explorer les innovations et usages à venir à travers un atelier de prospective.

Programme de la formation

• Définir l'IA


• Fondations et histoire de l'IA


• Les marchés de l'IA


• Les différentes branches de l'IA


• Les cas d'usage de l'IA
  
  
  
  • Recherche de savoir
  
  
  • Assistants personnels numériques
  
  
  • Génération de code (vibe coding)
  
  
  • AIOps (automatisation et optimisation des opérations informatiques)
  
  
  • Nettoyage de données
  
  
  • Apprentissage augmenté
  
  
  • Thérapie et compagnie
  
  
  • Chauffeur personnel
  
  
  • Gestionnaire d'entrepôt
  
  
  • Santé humaine
  
  
  • Jeux vidéo
  
  
  • Domotique
  
  
  
  


• Les technologies de l'IA


• Les nouveaux métiers de l'IA


• Disruptions de l'IA : l'arrivée des LLM et autres innovations de rupture


• IA closed source vs IA open source : comparatif des avantages et des inconvénients


• Etudes de cas inspirées de l'actualitéTechniques fondamentales de l'IA


• Machine Learning


• Réseaux de neurones artificiels (Artificial Neural Networks)


• Apprentissage profond (Deep Learning)


• Réseaux de neurones convolutifs (Convolutional Neural Networks)


• Réseaux de neurones récurrents (Recurrent Neural Networks)


• Apprentissages supervisé / non-supervisé / renforcé


• TensorFlow


• Définition du problème


• Ingestion des données


• Préparation des données


• Ségrégation des données


• Sélection de variables


• Extraction de variables


• Apprentissage du modèle


• Déploiement du modèle en production


• Surveillance du modèle et réapprentissage


• Introduction à MLOps


• Vue d'ensemble du NLP


• Les composants du NLP


• Applications du NLP en entreprise


• Comment utiliser le NLP ?


• To


•  


•  

• Outils d'ingénierie de prompt : LangChain, Guidance, DSPy...


• Infrastructures pour les LLM : Ollama, Hugging Face, Hub Space


• Exploitation du savoir externe avec les RAG


• Frameworks de RAG : LangChain, LlamaIndex


• Défis dans la mise en production des LLM et LCM


• Introduction à LLMOpsPerspectives futures


• Challenges de l'IA


• Futures tendances et opportunités

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique